Una tarjeta principal generada para un artículo comparativo, titulada «Qwen4-Max vs GPT-6.1 Sol Pro» con el subtítulo «Pro es un modo de facturación, y tiene una cifra que batir». Una cifra destacada dice «Punto de equilibrio para el modo pro: 2,6X», con etiquetas que dicen «Qwen4-Max: $3,27 por tarea» y «GPT-6.1 Sol al máximo: $1,27 por tarea». Un pie de página dice «Documentación de Artificial Analysis y OpenAI consultada el 17 de noviembre de 2026». La marca de OrcaRouter está compuesta en la esquina inferior derecha.
Engineering & Research

Qwen4-Max vs GPT-6.1 Sol Pro: Pro es un modo de facturación, y tiene una cifra que superar

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

GPT-6.1 Sol Pro no tiene un precio, porque no tiene un identificador. Es GPT-6.1 Sol —lanzado el 29 de septiembre de 2026 a $2 por millón de tokens de entrada y $10 por millón de tokens de salida—, invocado con reasoning.mode: "pro" en la Responses API, un ajuste que OpenAI documenta como lo que hace que el modelo realice más trabajo y que factura ese trabajo a las mismas tarifas estándar por token. Qwen4-Max, disponible de forma general desde el 16 de noviembre de 2026 a $1.50 y $4.50, es el modelo más barato por token, por un factor de 2.2 en la salida. También es, según la única medición independiente de la que dispone cualquiera de los dos modelos, el más caro por tarea terminada: $3.27 frente a $1.27 para GPT-6.1 Sol en su configuración de esfuerzo máximo. Esa inversión —Qwen4-Max sea más barato por token y más caro por respuesta— es toda la comparación, y el modo pro es la única variable que podría moverla en cualquiera de las dos direcciones sin que nadie pueda medir cuál.

El modo Pro es un multiplicador sin coeficiente publicado.

Solo existen dos párrafos de documentación del proveedor, y vale la pena leerlos con atención porque todas las comparaciones de «Sol Pro» que hay en internet se basan en ellos y en inferencias.

• Qué es: un valor de `reasoning.mode` de `pro`, configurado junto con `reasoning.effort`, en la API de Responses. El otro valor es `standard`, que es el predeterminado.

• Qué hace — según O​penAI, "agrega el trabajo del modelo realizado para producir la respuesta final". Es independiente del esfuerzo: el modo determina cuánto trabajo se lleva a cabo y el esfuerzo determina con qué intensidad piensa el modelo dentro de ese modo.

• Cuánto cuesta: los tokens agregados, facturados según las tarifas estándar del modelo. Sin recargo, sin contador independiente.

• Lo que no tiene: un coeficiente. OpenAI no publica ningún multiplicador de tokens para el modo pro, y la clasificación neutral no incluye ninguna fila del modo pro: cada medición de GPT-6.1 Sol en Artificial Analysis es un ajuste de reasoning.effort de low a max, todo en modo estándar.

Lo que significa que una cosa se deduce con certeza y otra no. Con certeza: el modo pro solo puede aumentar el costo por tarea de GPT-6.1 Sol, nunca reducirlo, porque añade tokens facturados a la misma tarifa. Sin certeza: cuánto. Una ejecución en modo pro que agrega 1,8× el trabajo es un producto distinto de una que agrega 4×, y nadie fuera de O​penAI ha publicado la proporción.

El umbral del modo pro tiene que superarse.

Esa incógnita no es motivo para encogerse de hombros. Se convierte en un único número, porque el costo por tarea de Qwen4-Max ya está medido, y el de Sol también.

• Con el máximo esfuerzo de Sol: 1,27 $ por tarea del Intelligence Index frente a los 3,27 $ de Qwen4-Max. El modo Pro tendría que multiplicar por 2,57× el gasto en tokens de Sol para que ambos modelos costaran lo mismo por tarea.

• Con el esfuerzo xhigh de Sol — $0,76 frente a $3,27. El umbral es 4,3×.

• Con el esfuerzo alto de Sol — 0,59 $ frente a 3,27 $. El umbral es 5,5×.

• En inteligencia, a modo de escala — Sol obtiene 54.6 en el índice en max, 52.5 en xhigh y 50.3 en high. Qwen4-Max obtiene 42.9. El modo Pro no cambia la puntuación de inteligencia de un modelo en el sentido en que lo mide el índice, pero cambia la calidad de las respuestas en tareas difíciles, que es la única razón para pagar por él.

Así que la pregunta que realmente afronta un comprador no es "cuál es más barato". Es: ¿una ejecución de Sol en modo pro supera a Qwen4-Max en más de diez puntos de índice en calidad, mientras se mantiene por debajo de 2,6× a 5,5× su gasto de tokens en modo estándar? Toda señal publicada dice que el multiplicador es real pero modesto —el proveedor presenta el modo pro como la configuración para "tareas difíciles que requieren más trabajo del modelo", no como un modelo diferente—, y un multiplicador inferior a 2,6× dejaría a Sol más barato por tarea que Qwen4-Max en todos los niveles de esfuerzo. Esa es una inferencia, claramente etiquetada como tal, y es lo más defendible que cualquiera puede decir hasta que O​penAI o un evaluador independiente publiquen la proporción.

A generated two-column scoreboard titled 'Qwen4-Max vs GPT-6.1 Sol — the scoreboard'. The Qwen4-Max column reads Intelligence Index 43, Cost per task $3.27, Output tokens 127M, Price $1.50 / $4.50, Effort curve one point, Speed not measured. The GPT-6.1 Sol column reads Intelligence Index 55, Cost per task $1.27, Output tokens 63.7M, Price $2.00 / $10.00, Effort curve five points, Speed 49 tok/s. A footer reads 'Both columns per Artificial Analysis, 17 November 2026. Pro mode has no published multiplier.'

Por qué el modelo barato es el caro

La tarifa por token y la factura por tarea difieren en un factor de casi seis, y la razón es el volumen, no el precio. Vale la pena explicarlo porque es el error más común en las comparaciones de estos dos modelos.

• Tarifa de salida — Qwen4-Max $4.50 por millón frente a los $10.00 de Sol. Qwen4-Max es 2.2× más barato por token de salida.

• Volumen de salida en la ejecución del índice — 127 millones de tokens para Qwen4-Max, 63,7 millones para Sol con esfuerzo máximo. Qwen4-Max escribe 2,0× más.

Puesto de verbosidad — Qwen4-Max se sitúa en el 65.º de 80 en la escala del tracker, justo en la banda de «muy verboso»; Sol al máximo se sitúa en el 35.º, cerca de la mitad.

• Coste real por tarea: 3,27 $ frente a 1,27 $. Qwen4-Max es 2,6× más caro, no 2,2× más barato.

Esos tres ratios no cuadran con el cuarto, y el término que falta es el volumen de entrada, que la página pública no desglosa por modelo. Es exactamente por eso que la cifra por tarea debería tratarse como la medición y los ratios como la explicación: una tarifa describe cuánto cuesta un token, y el índice describe cuánto gasta un modelo, y solo el segundo llega en una factura a final de mes. Los propios números de lanzamiento de Alibaba apuntan a lo mismo en la dirección opuesta: que el coste medio por tarea en su benchmark Work360 caiga de 4,43 $ a 1,67 $ es una afirmación sobre la mezcla de tokens de ese benchmark, y es una cifra de proveedor sobre un benchmark de proveedor.

Un eje más, porque es el que decide la viabilidad de los agentes y no el coste. Sol a máximo esfuerzo tardó 1.383 segundos de tiempo medido por tarea de índice —veintitrés minutos— con 168 segundos hasta el primer token. Qwen4-Max no tiene ninguna cifra de tiempo por tarea; los campos de velocidad del rastreador están vacíos para él. El registro de siete días de nuestro propio playground para la ruta de OpenAI muestra una mediana de 1,7 segundos hasta el primer token y 98 tokens de salida por segundo, que es tráfico en modo estándar y esfuerzo medio, no pro. Nadie ha publicado cuánto tarda una llamada en modo pro, y el supuesto honesto de planificación es la cifra de máximo esfuerzo con barras de error apuntando hacia arriba.

A headless-browser screenshot of the Artificial Analysis model page for GPT-6.1 Sol, captured 17 November 2026 in English, showing the OpenAI vendor label, a Proprietary model tag, 'Released September 2026', the heading 'GPT-6.1 Sol (Max)', an Intelligence Index of 55 ranked 12 of 81, a time to first token of 168.565 s, 49 output tokens per second, 63.7M generated tokens against a 78.6M median with a verbosity rank of 35 of 80, a 1M-token context window, and the cost block reading In $2.00, Out $10.00 and $1.27 per task.

Dónde corresponde el modo: en la capa de enrutamiento, no en el código

Como pro es un parámetro de solicitud y no un modelo, la decisión de usarlo es una decisión por llamada, y las decisiones por llamada tomadas en el código de la aplicación envejecen mal. La versión que no envejece consiste en ponerlo en la ruta: una configuración en modo pro fijada a la ruta de revisión profunda —la que se ejecuta una vez por pull request, por contrato, por incidente— y una configuración en modo estándar en todo lo interactivo, ambas accesibles desde la misma clave.

OrcaRouter enruta openai/gpt-6.1-sol a los $2.00 y $10.00 propios de OpenAI con un 0 % de margen, incluido el tramo de 272.000 tokens en el que las tarifas se duplican a $4.00 y $15.00, de modo que una ejecución de experimento en modo pro a través de nosotros cuesta lo que cuesta en el proveedor y nada más. Qwen4-Max no está en el catálogo; una solicitud para un identificador qwen4 devuelve not-found, y el modelo insignia más reciente de Qwen que servimos es qwen/qwen3.8-max a $2.00 y $6.00. El DSL de enrutamiento es donde confluyen las dos mitades: una regla que envía el trabajo de agentes de horizonte largo a un modelo y los turnos interactivos al otro, con conmutación por error automática subyacente para que una ejecución en modo pro que se atasca no se lleve consigo la solicitud. Eso es un cambio de configuración, y es reversible de una manera en que una cadena de modelo codificada de forma fija no lo es.

A headless-browser screenshot of the OrcaRouter model page for openai/gpt-6.1-sol, captured 17 November 2026 in English, showing the GPT-6.1 Sol heading, the model id openai/gpt-6.1-sol, attribution to OpenAI dated 2026-09-29, vision, tools, JSON and reasoning badges, a 1M-token context window with a 128K maximum output, a p50 time to first token of 170 s, a Zero Data Retention note, and the rate block reading $2.00 input and $10.00 output.

¿Qué cambiaría la respuesta?

Tres cosas, en orden de probabilidad de que lleguen primero.

La primera es una fila de modo pro en un tablero independiente. Si una configuración pro aparece junto a los cinco niveles de esfuerzo con su propio costo por tarea, el umbral de 2.6× deja de ser aritmética sobre una suposición y se convierte en una medición, y esta página se reescribe en torno a ello. Hasta entonces, cualquier artículo que cite una "puntuación de GPT-6.1 Sol Pro" está citando la fila del modo estándar del modelo base con un nombre de modo adjunto.

La segunda es una curva de esfuerzo de Qwen4-Max. El modelo tiene dos días de vida y exactamente un punto de operación medido, lo que significa que su 42,9 podría ser un piso o un techo. El material de lanzamiento de Alibaba hace referencia a los ajustes High y Xhigh en sus propios benchmarks, así que la curva existe; simplemente aún no se ha recorrido de forma independiente.

La tercera es que Qwen4-Max recibe una fila de velocidad. Un modelo sin cifra de rendimiento es un modelo en torno al cual no se puede dotar de personal a un agente, y esa ausencia es actualmente el argumento más contundente a favor del proveedor incumbente en cualquier carga de trabajo con una persona esperando.

Hasta que uno de esos se materialice, la decisión es legible. Si tu carga de trabajo es interactiva y sensible al costo, GPT-6.1 Sol en medio —0,36 $ por tarea, índice 46,4, primer token en cinco segundos— supera a Qwen4-Max en todos los ejes medidos, incluido el precio, que no es la conclusión que anuncia la tarjeta de tokens. Si tu carga de trabajo es un agente de horizonte largo en el que una ventana de 1M de tokens, la visión nativa y un descuento de caché del 95 % importan más que el índice, Qwen4-Max es la forma más barata de comprar contexto, y su factura se decidirá por la tasa de aciertos de caché y no por el esfuerzo. Y si estás sopesando el modo pro, estás sopesando un presupuesto 2,6× sobre una capacidad que nadie ha medido, lo cual es una buena cosa que probar en una ruta y una mala cosa que asumir en una ruta de producción.